Анализ продаж видеоигр

---

Author(s): Чалов Иван Александрович ivan.chalov2000@yandex.ru

Description: Видеоигры важны для меня по двум причинам. Они не только развлекают и отвлекают, но и помогают улучшить стратегическое мышление. Я выбрал данные о продажах видеоигр, потому что это это интересно для меня. Используя такие инструменты, как Pandas, Numpy, Seaborn и Plotly, я могу легко сравнить продажи на разных платформах или в разных странах. Кроме того, я могу использовать эти данные для создания графиков, которые можно использовать для дальнейшего анализа. В целом, анализ данных о продажах видеоигр — точно необычный и при этом эффективный способ получить представление об этой увлекательной индустрии.

У меня возникали проблемы с отображением графиков, если все сразу запускать, поэтому я дополнительно создал html файл, где отображены все графики.

Стоит запускать все ячейки с самого начала и тогда все будет работать, если хочется посмотреть на проект в jupyter notebook.

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px
import warnings
warnings.filterwarnings('ignore')

Вначале я загрузил данные, с которыми буду работать.

data = pd.read_csv('vgsales.csv')

Описание переменных:

Rank - Рейтинг общих продаж.

Name - Название игры.

Platform — Платформа выпуска игр (например, ПК, PS4 и т. д.).

Year - Год выхода игры.

Genre - Жанр игры.

Publisher - Издатель игры.

NA_Sales — Продажи в Северной Америке (в миллионах).

EU_Sales — Продажи в Европе (в миллионах).

JP_Sales — Продажи в Японии (в миллионах).

Other_Sales — Продажи в остальном мире (в миллионах).

Global_Sales — Общий объем продаж по всему миру.

data

	Rank	Name	Platform	Year	Genre	Publisher	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
0	1	Wii Sports	Wii	2006.0	Sports	Nintendo	41.49	29.02	3.77	8.46	82.74
1	2	Super Mario Bros.	NES	1985.0	Platform	Nintendo	29.08	3.58	6.81	0.77	40.24
2	3	Mario Kart Wii	Wii	2008.0	Racing	Nintendo	15.85	12.88	3.79	3.31	35.82
3	4	Wii Sports Resort	Wii	2009.0	Sports	Nintendo	15.75	11.01	3.28	2.96	33.00
4	5	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	Nintendo	11.27	8.89	10.22	1.00	31.37
...	...	...	...	...	...	...	...	...	...	...	...
16593	16596	Woody Woodpecker in Crazy Castle 5	GBA	2002.0	Platform	Kemco	0.01	0.00	0.00	0.00	0.01
16594	16597	Men in Black II: Alien Escape	GC	2003.0	Shooter	Infogrames	0.01	0.00	0.00	0.00	0.01
16595	16598	SCORE International Baja 1000: The Official Game	PS2	2008.0	Racing	Activision	0.00	0.00	0.00	0.00	0.01
16596	16599	Know How 2	DS	2010.0	Puzzle	7G//AMES	0.00	0.01	0.00	0.00	0.01
16597	16600	Spirits & Spells	GBA	2003.0	Platform	Wanadoo	0.01	0.00	0.00	0.00	0.01

16598 rows × 11 columns

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16598 entries, 0 to 16597
Data columns (total 11 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   Rank          16598 non-null  int64  
 1   Name          16598 non-null  object 
 2   Platform      16598 non-null  object 
 3   Year          16327 non-null  float64
 4   Genre         16598 non-null  object 
 5   Publisher     16540 non-null  object 
 6   NA_Sales      16598 non-null  float64
 7   EU_Sales      16598 non-null  float64
 8   JP_Sales      16598 non-null  float64
 9   Other_Sales   16598 non-null  float64
 10  Global_Sales  16598 non-null  float64
dtypes: float64(6), int64(1), object(4)
memory usage: 1.4+ MB

По переменным Year и Publisher заметно, что в данных есть пропуски, поэтому хочется разобраться с ними, чтобы при анализе не возникли разные проблемы из-за них.

Пропуски

data[data.isna().any(axis=1)].head(30)

	Rank	Name	Platform	Year	Genre	Publisher	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
179	180	Madden NFL 2004	PS2	NaN	Sports	Electronic Arts	4.26	0.26	0.01	0.71	5.23
377	378	FIFA Soccer 2004	PS2	NaN	Sports	Electronic Arts	0.59	2.36	0.04	0.51	3.49
431	432	LEGO Batman: The Videogame	Wii	NaN	Action	Warner Bros. Interactive Entertainment	1.86	1.02	0.00	0.29	3.17
470	471	wwe Smackdown vs. Raw 2006	PS2	NaN	Fighting	NaN	1.57	1.02	0.00	0.41	3.00
607	608	Space Invaders	2600	NaN	Shooter	Atari	2.36	0.14	0.00	0.03	2.53
624	625	Rock Band	X360	NaN	Misc	Electronic Arts	1.93	0.34	0.00	0.21	2.48
649	650	Frogger's Adventures: Temple of the Frog	GBA	NaN	Adventure	Konami Digital Entertainment	2.15	0.18	0.00	0.07	2.39
652	653	LEGO Indiana Jones: The Original Adventures	Wii	NaN	Action	LucasArts	1.54	0.63	0.00	0.22	2.39
711	713	Call of Duty 3	Wii	NaN	Shooter	Activision	1.19	0.84	0.00	0.23	2.26
782	784	Rock Band	Wii	NaN	Misc	MTV Games	1.35	0.56	0.00	0.20	2.11
1126	1128	Call of Duty: Black Ops	PC	NaN	Shooter	Activision	0.58	0.81	0.00	0.24	1.63
1133	1135	Rock Band	PS3	NaN	Misc	Electronic Arts	0.99	0.41	0.00	0.22	1.62
1303	1305	Triple Play 99	PS	NaN	Sports	NaN	0.81	0.55	0.00	0.10	1.46
1433	1435	LEGO Harry Potter: Years 5-7	Wii	NaN	Action	Warner Bros. Interactive Entertainment	0.76	0.47	0.00	0.13	1.36
1498	1500	LEGO Batman: The Videogame	PSP	NaN	Action	Warner Bros. Interactive Entertainment	0.57	0.46	0.00	0.28	1.32
1513	1515	Adventure	2600	NaN	Adventure	Atari	1.21	0.08	0.00	0.01	1.30
1585	1587	Combat	2600	NaN	Action	Atari	1.17	0.07	0.00	0.01	1.25
1649	1651	NASCAR Thunder 2003	PS2	NaN	Racing	Unknown	0.60	0.46	0.00	0.16	1.22
1662	1664	Shrek / Shrek 2 2-in-1 Gameboy Advance Video	GBA	2007.0	Misc	NaN	0.87	0.32	0.00	0.02	1.21
1697	1699	Hitman 2: Silent Assassin	XB	NaN	Action	Eidos Interactive	0.76	0.38	0.00	0.05	1.19
1837	1839	Rock Band	PS2	NaN	Misc	Electronic Arts	0.71	0.06	0.00	0.35	1.11
1990	1992	Legacy of Kain: Soul Reaver	PS	NaN	Action	Eidos Interactive	0.58	0.40	0.00	0.07	1.04
2019	2021	Donkey Kong Land III	GB	NaN	Platform	Nintendo	0.68	0.31	0.00	0.04	1.03
2086	2088	LEGO Harry Potter: Years 5-7	X360	NaN	Action	Warner Bros. Interactive Entertainment	0.51	0.39	0.00	0.09	0.99
2113	2115	Air-Sea Battle	2600	NaN	Shooter	Atari	0.91	0.06	0.00	0.01	0.98
2114	2116	Suikoden III	PS2	NaN	Role-Playing	Unknown	0.29	0.23	0.38	0.08	0.98
2134	2136	Yakuza 4	PS3	NaN	Action	Sega	0.15	0.14	0.63	0.05	0.97
2145	2147	LEGO Harry Potter: Years 5-7	PS3	NaN	Action	Warner Bros. Interactive Entertainment	0.36	0.45	0.00	0.16	0.97
2173	2175	Wheel of Fortune	PS2	NaN	Misc	Unknown	0.47	0.36	0.00	0.12	0.95
2222	2224	Bentley's Hackpack	GBA	2005.0	Misc	NaN	0.67	0.25	0.00	0.02	0.93

data['Year'][179] = 2003
data['Year'][377] = 2003
data['Year'][431] = 2008
data['Year'][470] = 2005
data['Publisher'][470] = 'THQ'
data['Year'][607] = 1980
data['Year'][624] = 2007
data['Year'][649] = 2001
data['Year'][652] = 2008
data['Year'][711] = 2006
data['Year'][782] = 2007
data['Year'][1126] = 2010
data['Year'][1133] = 2007
data['Year'][1303] = 1998
data['Publisher'][1303] = 'Electronic Arts'
data['Year'][1433] = 2011
data['Year'][1498] = 2008
data['Year'][1513] = 1980
data['Year'][1585] = 1980
data['Year'][1649] = 2002
data['Year'][1697] = 2002
data['Publisher'][1662] = 'Activision'
data['Year'][1837] = 2007
data['Year'][1990] = 1999
data['Year'][2019] = 1997

Я решил дополнить данные по этим 25 играм, потому что суммарно их продажи составляют довольно существенное число, особенно если увидеть порядок чисел далее по разбору. Осташиеся пропусками уберем, потому что по отдельности продажи меньше 1 млн.

data = data[~data.isna().any(axis=1)]
data

	Rank	Name	Platform	Year	Genre	Publisher	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
0	1	Wii Sports	Wii	2006.0	Sports	Nintendo	41.49	29.02	3.77	8.46	82.74
1	2	Super Mario Bros.	NES	1985.0	Platform	Nintendo	29.08	3.58	6.81	0.77	40.24
2	3	Mario Kart Wii	Wii	2008.0	Racing	Nintendo	15.85	12.88	3.79	3.31	35.82
3	4	Wii Sports Resort	Wii	2009.0	Sports	Nintendo	15.75	11.01	3.28	2.96	33.00
4	5	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	Nintendo	11.27	8.89	10.22	1.00	31.37
...	...	...	...	...	...	...	...	...	...	...	...
16593	16596	Woody Woodpecker in Crazy Castle 5	GBA	2002.0	Platform	Kemco	0.01	0.00	0.00	0.00	0.01
16594	16597	Men in Black II: Alien Escape	GC	2003.0	Shooter	Infogrames	0.01	0.00	0.00	0.00	0.01
16595	16598	SCORE International Baja 1000: The Official Game	PS2	2008.0	Racing	Activision	0.00	0.00	0.00	0.00	0.01
16596	16599	Know How 2	DS	2010.0	Puzzle	7G//AMES	0.00	0.01	0.00	0.00	0.01
16597	16600	Spirits & Spells	GBA	2003.0	Platform	Wanadoo	0.01	0.00	0.00	0.00	0.01

16314 rows × 11 columns

Так как переменная rank практически совпадает с индексом, то столбик с rank удалим.

data.drop('Rank', axis = 1, inplace = True)

data

	Name	Platform	Year	Genre	Publisher	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
0	Wii Sports	Wii	2006.0	Sports	Nintendo	41.49	29.02	3.77	8.46	82.74
1	Super Mario Bros.	NES	1985.0	Platform	Nintendo	29.08	3.58	6.81	0.77	40.24
2	Mario Kart Wii	Wii	2008.0	Racing	Nintendo	15.85	12.88	3.79	3.31	35.82
3	Wii Sports Resort	Wii	2009.0	Sports	Nintendo	15.75	11.01	3.28	2.96	33.00
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	Nintendo	11.27	8.89	10.22	1.00	31.37
...	...	...	...	...	...	...	...	...	...	...
16593	Woody Woodpecker in Crazy Castle 5	GBA	2002.0	Platform	Kemco	0.01	0.00	0.00	0.00	0.01
16594	Men in Black II: Alien Escape	GC	2003.0	Shooter	Infogrames	0.01	0.00	0.00	0.00	0.01
16595	SCORE International Baja 1000: The Official Game	PS2	2008.0	Racing	Activision	0.00	0.00	0.00	0.00	0.01
16596	Know How 2	DS	2010.0	Puzzle	7G//AMES	0.00	0.01	0.00	0.00	0.01
16597	Spirits & Spells	GBA	2003.0	Platform	Wanadoo	0.01	0.00	0.00	0.00	0.01

16314 rows × 10 columns

data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16314 entries, 0 to 16597
Data columns (total 10 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   Name          16314 non-null  object 
 1   Platform      16314 non-null  object 
 2   Year          16314 non-null  float64
 3   Genre         16314 non-null  object 
 4   Publisher     16314 non-null  object 
 5   NA_Sales      16314 non-null  float64
 6   EU_Sales      16314 non-null  float64
 7   JP_Sales      16314 non-null  float64
 8   Other_Sales   16314 non-null  float64
 9   Global_Sales  16314 non-null  float64
dtypes: float64(6), object(4)
memory usage: 1.4+ MB

Приведем переменные к нужным типам.

data['Name'] = data['Name'].astype('string')
data['Platform'] = data['Platform'].astype('category')
data['Year'] = data['Year'].astype('int')
data['Genre'] = data['Genre'].astype('category')
data['Publisher'] = data['Publisher'].astype('category')

data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16314 entries, 0 to 16597
Data columns (total 10 columns):
 #   Column        Non-Null Count  Dtype   
---  ------        --------------  -----   
 0   Name          16314 non-null  string  
 1   Platform      16314 non-null  category
 2   Year          16314 non-null  int32   
 3   Genre         16314 non-null  category
 4   Publisher     16314 non-null  category
 5   NA_Sales      16314 non-null  float64 
 6   EU_Sales      16314 non-null  float64 
 7   JP_Sales      16314 non-null  float64 
 8   Other_Sales   16314 non-null  float64 
 9   Global_Sales  16314 non-null  float64 
dtypes: category(3), float64(5), int32(1), string(1)
memory usage: 1.0 MB

data.describe()

	Year	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
count	16314.000000	16314.000000	16314.000000	16314.000000	16314.000000	16314.000000
mean	2006.398737	0.267055	0.148267	0.078725	0.048637	0.542955
std	5.841126	0.823297	0.509456	0.311673	0.190140	1.567633
min	1980.000000	0.000000	0.000000	0.000000	0.000000	0.010000
25%	2003.000000	0.000000	0.000000	0.000000	0.000000	0.060000
50%	2007.000000	0.080000	0.020000	0.000000	0.010000	0.170000
75%	2010.000000	0.240000	0.110000	0.040000	0.040000	0.480000
max	2020.000000	41.490000	29.020000	10.220000	10.570000	82.740000

Информация о видеоиграх собрана с 1980 г. по 2020 г. при этом 25% были выпущены с 1980 г. по 2003 г., 25% с 2003 г. по 2007 г., 25% с 2007 г. по 2010 г. и 25% с 2010 г. по 2020 г. Значит, в данных около 75% игр выпущены в 21 веке, и около 25% в 20 в. При этом почти 50% игр были выпущены с 2003 г. по 2010 г.

Вопросы и гипотезы:

1. Cколько всего продаж у каждой платформы? Какой тренд продаж у 10 наиболее крупных платформ?

2. У игры появившейся позже 2000 г. в среднем продаж больше, чем у игры, выпущенной ранее 2000 г.

3. Во все года продаж в Америке и Европе суммарно больше чем в Японии и в других странах вместе взятых.

4. У какого издателя больше всего продаж? Какие средние продажи у 5 наиболее крупных издателей?

5. Какой жанр пользуется большей популярностью по продажам на каждом промежутке длиной в 10 лет с 1980 г. по 2019 г.? Отличаются ли любимые жанры в Америке, в Европе, в Японии на каждом промежутке?

6. С каждым годом значения общих продаж увеличиваются. Какой тренд по странам?

7. Топ самых продаваемых игр в Америке, в Европе, в Японии и в остальных странах.

Cколько всего продаж у каждой платформы? Какой тренд продаж у 10 наиболее крупных платформ?

df = data.groupby(by="Platform").sum().sort_values('Global_Sales', ascending = False)
df.head(10)

	Year	NA_Sales	EU_Sales	JP_Sales	Other_Sales	Global_Sales
Platform
PS2	4273770	580.65	336.79	137.59	192.61	1247.51
X360	2482198	596.26	278.34	12.30	84.88	972.08
PS3	2624116	389.89	340.88	79.21	141.03	950.97
Wii	2601602	504.07	267.87	68.28	80.27	921.10
DS	4279469	388.53	194.05	175.02	60.29	818.91
PS	2379624	336.10	213.33	139.78	40.86	729.89
GBA	1578504	181.45	72.99	46.56	7.60	309.22
PSP	2406448	107.66	67.62	75.89	41.80	293.03
PS4	677042	96.80	123.70	14.30	43.36	278.10
PC	1886230	92.62	138.16	0.17	24.57	256.33

df.shape

(31, 6)

Всего платформ - 31. Выведем для каждой платформы общие продажи.

df.head(31)['Global_Sales']

Platform
PS2     1247.51
X360     972.08
PS3      950.97
Wii      921.10
DS       818.91
PS       729.89
GBA      309.22
PSP      293.03
PS4      278.10
PC       256.33
GB       255.45
XB       253.28
NES      251.07
3DS      246.27
N64      218.21
SNES     200.05
GC       197.14
XOne     141.06
2600      91.65
WiiU      81.86
PSV       61.60
SAT       33.59
GEN       28.36
DC        15.97
SCD        1.87
NG         1.44
WS         1.42
TG16       0.16
3DO        0.10
GG         0.04
PCFX       0.03
Name: Global_Sales, dtype: float64

Для наглядности построим график с продажами для каждой платформы.

plt.figure(figsize=(10,7)) 
sns.barplot(x = df.index, y = 'Global_Sales', data = df, order = df.index).set_title('Продажи по платформам')
plt.xticks(rotation=45)
plt.show()

Видно, что продажи 6 платформ: PS2, X360, PS3, Wii, DS, PS - как минимум в 2 раза отличаются по сравнению с любой другой из 25 оставшихся платформ. Интересное совпадение, что у 6 платформ общие продажи на графике практически не заметны.

Ответим на 2-ой вопрос: какой тренд продаж у 10 наиболее крупных платформ?

x = df.head(10)
ten = list(x.index.values) #10 наиболее крупных платформ
res = pd.DataFrame()
for one in ten:
    aux = data[data['Platform'] == one][['Year', 'Global_Sales']].groupby('Year').sum()
    aux['Platform'] = one
    aux = aux.reset_index()
    res = pd.concat([aux,res], sort = False, axis = 0)
res = res.reset_index()
res.head(10)

fig = px.line(res, x="Year", y="Global_Sales", color='Platform', title = 'Тренд продаж')
fig.show()

На графике видно, что три платформы: PC, DS, PS(1-4) - имеют самую длинную протяженность среди всех остальных платформ. Это свидетельствует о том, что эти плафтормы должны быть наиболее известны, потому что на них в течении 20 лет выпускают игры по данным, которые имеются. Возможно, что и другие платформы пользуются популярностью разработчиками игр, но например продажи на платформе GBA не продолжаются с 2003 и это может быть связано с тем, что в данных не все игры, которые выпускаются и может быть в данных нет как раз игр, выходящих на платформе GBA, но это может быть также связано с тем, что платформа GBA просто уже не пользуется популярностью. Так например платформа PS довольна известна и понятно, что игры на самую первую версию PS и на PS2 уже не выпускаются, потому что есть PS3 или PS4.

Помимо этого видно, что вне зависимости от платформы тренд после прохождения некоторого года спадающий. Это зависит от выпускаемых игр. Если выпускаемая игра популярна, то и число продаж платформы становится больше, если популярных игр нет, то и число продаж платформе будет невелико. Поэтому продажи на платформе зависят от контента - игр и кроме этого платформы имеют не постоянное высокое число продаж.

У игры появившейся позже 2000 г. в среднем продаж больше, чем у игры, выпущенной ранее 2000 г.

Сразу для наглядности построим график с средними значениями для каждой группы.

datal2000 = data[data['Year'] <= 2000]
datagr2000 = data[data['Year'] > 2000]

plt.figure(figsize=(8,7)) 
d = {'x': ['2000 г. или ранее', 'позже 2000 г. '], 
     'y': [datal2000['Global_Sales'].mean(), datagr2000['Global_Sales'].mean()]}
sns.barplot(x='x', y='y', data=d).set_title('Средние продажи игры вышешдшей в период')
plt.show()

Видим, что средние продажи игры, выпущенной до 2000 г. больше, чем для игры, выпущенной после 2000 г. Значит, гипотеза неверна.

Думаю уменьшение средних продаж связано с тем, что позже 2000 г. больше игр было выпущено, и скорее всего больше игр имели продажи меньше 1 млн. Проверим это.

plt.figure(figsize=(8,7)) 
d = {'x': ['2000 г. или ранее', 'позже 2000 г. '], 
     'y': [datal2000[datal2000['Global_Sales'] <= 1].count()['Global_Sales'], datagr2000[datagr2000['Global_Sales'] <= 1].count()['Global_Sales']]}
sns.barplot(x='x', y='y', data=d).set_title('Количество игр, продажи которых меньше 1 млн.')
plt.show()

Действительно после 2000 г. количество непопулярных игр выросло в 6 раз по сравнению с играми, выпущенными в 2000 г. или раньше.

Во все года продаж в Америке и Европе суммарно больше чем в Японии и в других странах вместе взятых.

Построим сразу график, в котором будет информация по каждому году.

data['NA_plus_Eur'] = data['NA_Sales'] + data['EU_Sales']
data['Jp_plut_others'] = data['JP_Sales'] + data['Other_Sales']
df = data[['Year','NA_plus_Eur','Jp_plut_others']]
dt = df.groupby(by="Year").sum()
dt = dt.reset_index()

df = pd.melt(dt[['Year','NA_plus_Eur', 'Jp_plut_others']], id_vars="Year", var_name="Countries", value_name="Sales")

plt.figure(figsize=(15,7)) 
ax = sns.barplot(x = 'Year', y = 'Sales', hue = 'Countries', data = df)
ax.set_title('Продажи')
plt.xticks(rotation=45)
labels=["North America","Japan"]
h, l = ax.get_legend_handles_labels()
ax.legend(h, labels, title="Countries")
plt.show()

Продажи в Америке и Европе суммарно почти в каждой год больше, чем в Японии и остальных странах за исключением 1993 г. и 1995 г. Более подробно посмотрим, какие игры вышли в эти 2 года.

games = data[((data['Year'] == 1995) | (data['Year'] == 1993)) & (data['NA_plus_Eur'] < data['Jp_plut_others'])][['Name', 'Year', 'NA_plus_Eur','Jp_plut_others']]
games.head(15)

	Name	Year	NA_plus_Eur	Jp_plut_others
426	Dragon Quest VI: Maboroshi no Daichi	1995	0.00	3.19
670	Kirby's Dream Land 2	1995	0.83	1.53
688	Chrono Trigger	1995	0.28	2.03
849	Super Street Fighter II	1993	0.68	1.32
888	Virtua Fighter 2	1995	0.60	1.33
948	Secret of Mana	1993	0.32	1.51
1054	Super Puyo Puyo	1993	0.00	1.70
1325	Dragon Ball Z	1993	0.00	1.45
1521	Romancing SaGa 3	1995	0.00	1.30
1674	Dragon Ball Z: La Legende Saien	1993	0.00	1.20
1729	Romancing SaGa 2	1993	0.00	1.17
1753	Sega Rally Championship	1995	0.37	0.79
1771	Derby Stallion III	1995	0.00	1.15
1777	Dragon Quest I & II	1993	0.00	1.15
1840	Arc the Lad	1995	0.00	1.11

games.shape

(203, 4)

Всего 203 игры 1993 г. или 1995 г. для которых продажи в Америке и Европе меньше, чем в Японии и других странах. Если поискать информацию про некоторые из них, то появляется ощущение, что большинство разработчиков этих игр из Японии и скорее всего поэтому больше продаж было в стране разработчика.

У какого издателя больше всего продаж? Какие средние продажи у 5 наиболее крупных издателей?

dt = data.groupby(by="Publisher").count()
df = data.groupby(by="Publisher").sum()
dt['Global_Sales'] = df['Global_Sales']
dt.rename(columns = {'Name':'Count'}, inplace = True)
dt['Mean'] = round(dt['Global_Sales']/dt['Count'], 2)

px.scatter(data_frame = dt, x = 'Count', y = dt.index, size = 'Global_Sales') 

Здесь по оси x откладывается количество выпущенных игр, а по оси y издатель. Видно, что у Electonic Arts больше всего выпущенных игр, затем идет Activision, Namco Bandai Games, Ubisoft и др. Размер кружка отвечает за продажи. Чем больше круг, тем больше и продаж. Здесь отчетливо видно, что самый большой круг соответствует издателю Nintendo. Причем Nintendo не находится в первой пятерке издателей по количеству игр. Это говорит о том, что на продажи влияет не только количество выпускаемых игр, но и другие факторы: рекламная кампания, доступность платформы, оценки игроков и изданий, наличие мультиплеера, выход дополнений и пр.

px.scatter(data_frame = dt, x = 'Count', y = dt.index, size = 'Global_Sales', color = 'Mean') 

Мне кажется, информативнее смотреть на средние продажи издателя. Цвет на графике выше соответствует среднему значению издателя. Чем цвет желтее, тем выше среднее значение. И если посмотреть на самых крупных издаетелей по количеству выпускаемых игр, то видно, что средние продажи у них меньше 1 за исключением Nintendo.

px.scatter(data_frame = dt[dt['Count'] > 5], x = 'Mean', y = dt[dt['Count'] > 5].index, color = 'Count') 

Если на оси X откладывать значение среднего, на оси Y - издателя, а цветом обозначать количество игр, то график изменится. Видно, что Nintendo находится правее остальных издателей, которые выпустили как минимум 6 игр. После Nintendo идут издатели: Sony Computer Entertainment Europe, Microsoft Games Studios и др. - которые уже более-менее на слуху. Количество выпускаемых игр Sony Computer Entertainment Europe и Microsoft Games Studios суммарно намного меньше, чем у Nintendo, что говорит о том, что Nintendo довольно успешный издатель, если брать в расчет количество выпускаемых игр и средние продажи, потому что по обоим параметрам этот издатель занимает первые позиции.

Какой жанр пользуется большей популярностью по продажам на каждом промежутке длиной в 10 лет с 1980 г. по 2019 г.? Отличаются ли любимые жанры в Америке, в Европе, в Японии на каждом промежутке?

Построим графики для каждому периода. Период можно выбирать и переключать. Также график можно приближать.

df = data[data['Year'] < 2020][['Year','Name','Genre', 'NA_Sales', 'EU_Sales', 'JP_Sales', 'Global_Sales']]
period_length = 10
start_year = 1980
end_year = 2019
starts = np.arange(start_year, end_year, period_length).tolist()
tuples = [(start, start+period_length) for start in starts]
bins = pd.IntervalIndex.from_tuples(tuples, closed='left')
original_labels = list(bins.astype(str))
new_labels = ['{} - {}'.format(b.strip('[)').split(', ')[0], int(b.strip('[)').split(', ')[1])-1) for b in original_labels]
label_dict = dict(zip(original_labels, new_labels))
df['PERIOD'] = pd.cut(df['Year'], bins=bins, include_lowest=True, precision=0)
df['PERIOD'] = df['PERIOD'].astype("str")
df = df.replace(label_dict)
px.box(df, x = 'Genre', y = 'Global_Sales', color = 'PERIOD', hover_name = 'Name')

Для каждого жанра и на каждом периоде посмотрим на медианы. Жанр у которого медиана наибольшая и будет считать самым популярным жанром периода.

Период 1980 - 1989: у жанра Adventure медиана самая большая - 2.39 млн.

Период 1990 - 1999: у жанра Platform медиана самая большая - 0.56 млн.

Период 2000 - 2009: у жанра Platform медиана самая большая - 0.22 млн.

Период 2010 - 2019: у жанра Shooter медиана самая большая - 0.41 млн.

Но при просмотре были замечаны интересные моменты по некоторым периодам, которые хочется отразить:

Период 1980 - 1989: отсуствуют экстремально продаваемые игры жанра Adventure, Racing, Sports, Role-Playing, Fighting, Misc, Simulation. Игр жанра Strategy в данный период в данных нет. Причем максимально продаваемые игры жанров: Platform, Puzzle, Shooter (Super Mario Bros, Tetris, Duck Hunt игры соответственно) (даже я помню эти игры!).

Период 1990 - 1999: лидер по продажам этого периода стала игра Pokemon Red/Pokemon Blue жанра Role-Playing. После выхода этой игры появилось аниме про покемонов. Продолжения игр марио жанра Platform по прежнему много продаются.

Период 2000 - 2009: здесь абсолютный лидер по продажам Wii Sports. По данным ни одна другая игра не была настолько продаваемой, как она. Помимо этого у жанра Role-Playing повторно выпускают игры про покемонов, которые выбиваются по продажам по сравнению с остальными играми жанра Role-Playing

Период 2010 - 2019: появляются две игры Kinect Adventures! и Grand Theft Auto V жанров Misc и Action соответственно, которые по продажам не превосходят Tetris. Игры про марио и покемонов выходят до сих пор и по прежнему продаются в большом количестве.

px.box(df, x = 'Genre', y = 'NA_Sales', color = 'PERIOD', hover_name = 'Name')

px.box(df, x = 'Genre', y = 'EU_Sales', color = 'PERIOD', hover_name = 'Name')

px.box(df, x = 'Genre', y = 'JP_Sales', color = 'PERIOD', hover_name = 'Name')

При просмотри графиков для отдельных стран различий серьезных не наблюдалось по жанрам. Можно сказать, что популярные жанры у всех одинаковые.

С каждым годом значения общих продаж увеличиваются. Какой тренд по странам?

df = data[['Year', 'Global_Sales', 'NA_Sales', 'EU_Sales', 'JP_Sales']]
dt = df.groupby("Year").sum()
sns.lineplot(data = dt, x = dt.index, y = "Global_Sales").set_title('Продажи');

Значения продаж растут примерно до 2007 - 2009 года, а затем начинают спадать, поэтому значения продаж с каждый годом не увеличиваются. Наибольшее число продаж наблюдаются примерно в 2007 - 2009 г. Это связано вероятно с тем, что была выпущена одна из самых популярных игр Wii Sports, но и кроме этой игры выходили и другие игры. Они были менее популярные чем Wii Sports, но имели довольно высокие продажи.

Посмотрим на тренд по странам.

fig, axes = plt.subplots(1, 3, figsize=(20, 5))
fig.suptitle('Продажи по странам')


sns.lineplot(ax = axes[0], data = dt, x = "Year", y = 'NA_Sales')
axes[0].set_title('Продажи в Америке')


sns.lineplot(ax = axes[1], data = dt, x = "Year", y = 'EU_Sales')
axes[1].set_title('Продажи в Европе')


sns.lineplot(ax = axes[2],data = dt, x = "Year", y = 'JP_Sales')
axes[2].set_title('Продажи в Японии');

В принципе график продаж в Америке и в Европе мало отличается друг от друга, но в Японии продажи довольно высоки не только около 2007 - 2009 года, но в районе 1997 года. В период 1990 - 2000 гг. вышли впервые игры про покемонов, поэтому скорее всего их появление объясняет столь высокие продажи.

Топ самых продаваемых игр в Америке, в Европе, в Японии и в остальных странах.

Для каждой страны построим график.

df = data[['Name', 'Year', 'NA_Sales', 'EU_Sales', 'JP_Sales', 'Other_Sales']]
px.scatter(data_frame = df, x = 'NA_Sales', y = 'Year', size = 'NA_Sales', hover_name = 'Name')

Топ игр в Америке:

1. Wii Sports

2. Super Mario Bros.

3. Duck Hunt

4. Tetris

5. Mario Cart Wii

px.scatter(data_frame = df, x = 'EU_Sales', y = 'Year', size = 'EU_Sales', hover_name = 'Name')

Топ игр в Европе:

1. Wii Sports

2. Mario Cart Wii

3. Wii Sports Resort

4. Nintendogs

5. Grand Theft Auto V

px.scatter(data_frame = df, x = 'JP_Sales', y = 'Year', size = 'JP_Sales', hover_name = 'Name')

Топ игр в Японии:

1. Pokemon Red/Pokemon Blue

2. Pokemon Gold/Pokemon Silver

3. Super Mario Bros.

4. New Super Mario Bros.

5. Pokemon Diamond/Pokemon Perl

Интересно, что Wii Sports не пользовалось большой популярностью в Японии, в отличие от других стран. Это говорит о культурных особенностях Японии, и разработчики должны учитывать это при создании игр, если хотят ориентироваться на Японский рынок.

px.scatter(data_frame = df, x = 'Other_Sales', y = 'Year', size = 'Other_Sales', hover_name = 'Name')

Топ игр в других странах:

1. Grand Theft Auto: San Andreas

2. Wii Sports

3. Gran Turismo 4

4. Grand Theft Auto V

5. Mario Cart Wii

Различия действительно имеются между странами и они существенны, когда затргивают Японию. Похоже люди, которые придумали покемонов захватили всю страну своими играми :)

Итог

Еще раз напишу все вопросы и гипотезы, которые я в проекте исследовал.

1. Cколько всего продаж у каждой платформы? Какой тренд продаж у 10 наиболее крупных платформ?

2. У игры появившейся позже 2000 г. в среднем продаж больше, чем у игры, выпущенной ранее 2000 г.

3. Во все года продаж в Америке и Европе суммарно больше чем в Японии и в других странах вместе взятых.

4. У какого издателя больше всего продаж? Какие средние продажи у 5 наиболее крупных издателей?

5. Какой жанр пользуется большей популярностью по продажам на каждом промежутке длиной в 10 лет с 1980 г. по 2019 г.? Отличаются ли любимые жанры в Америке, в Европе, в Японии на каждом промежутке?

6. С каждым годом значения общих продаж увеличиваются. Какой тренд по странам?

7. Топ самых продаваемых игр в Америке, в Европе, в Японии и в остальных странах.

---

На каждый вопрос был дан ответ и каждая гипотеза рассматривалась в работе. Кратко продублируем ответы на поставленные вопросы и выводы, которые были получены:

1. Была выведена таблица с продажами отсортированная по убыванию общих продаж, также была нарисована столбчатая диаграмма для всех платформ. Для 10 крупных платформ были построены графики трендов и выделены три крупные платформы PC, DS, PS(1-4). При этом была замечана схожесть в спадающем тренде для каждой платформы из десятки крупных.

2. Это оказалось не так и причина в том, что после 2000 г. было выпущено в 6 раз больше игр у которых продажи меньше 1 млн. по сравнению с периодом до 2000 г.

3. Это верно за исключением 1993 г. и 1995 г. В эти два года были выпущены в основном игры у которых продажи в Японии были больше, чем в остальных странах, и эти игры были разработаны японцами.

4. Больше всего продаж у Nintendo. Для средних продаж был построен график на котором можно увидеть характеристику не только для 5 наиболее крупных производителей, но и для остальных.

5. Популярность жанра на каждом периоде определялась медианой, чтобы не сильно зависеть от выбросов (эксатремально продаваемых игр).

   Период 1980 - 1989: у жанра Adventure медиана самая большая - 2.39 млн. Период 1990 - 1999: у жанра Platform медиана самая большая - 0.56 млн. Период 2000 - 2009: у жанра Platform медиана самая большая - 0.22 млн. Период 2010 - 2019: у жанра Shooter медиана самая большая - 0.41 млн.

   Отличия по жанрам среди стран были не замечены.

6. Был построен график, на котором отчетливо видно, что это не так. Пик продаж наблюдался в момент выхода игры Wii Sports, а затем тренд спадающий. По странам существенное отличие возникло только в Японии, графики для Америки и Европы совпадали практически.

Топ игр в Америке: 
1) Wii Sports 
2) Super Mario Bros. 
3) Duck Hunt 
4) Tetris 
5) Mario Cart Wii

Топ игр в Европе:
1) Wii Sports
2) Mario Cart Wii
3) Wii Sports Resort
4) Nintendogs
5) Grand Theft Auto V

Топ игр в Японии:
1) Pokemon Red/Pokemon Blue
2) Pokemon Gold/Pokemon Silver
3) Super Mario Bros.
4) New Super Mario Bros.
5) Pokemon Diamond/Pokemon Perl

Топ игр в других странах:
1) Grand Theft Auto: San Andreas
2) Wii Sports
3) Gran Turismo 4
4) Grand Theft Auto V
5) Mario Cart Wii